python numpy.randomの詳細説明

2022-02-13 21:31:12

ランダムサンプリング( `numpy.random` )

単純なランダムデータ

<テーブル <カラー

<スパン <スパン <スパンランド (d0, d1, ... , dn)

ランダム値

>>> np.random.rand(3,2)
array([[ 0.14022471, 0.96360618], #random
       [ 0.37601032, 0.25528411], #random
       [ 0.49313049, 0.94909878]]) #random

<スパン <スパン <スパンランド (d0, d1, ... , dn)

を持つサンプルを返します。標準正規分布 .

備考

からのランダムなサンプルの場合を使用します。

sigma * np.random.randn(...) + mu

例

>>> np.random.randn()
2.1923875335537315 #random

N(3, 6.25) からのサンプルの 2 x 4 の配列．

>>> 2.5 * np.random.randn(2, 4) + 3
array([[-4.49401501, 4.00950034, -1.81814867, 7.29718677], #random
       [ 0.39924804, 4.68456316, 4.99394529, 4.84057254]]) #random

<スパン <スパン <スパンランディント (低[, 高], サイズ)

のランダムな整数を返します。半開き区間[low, high]になります。

>>> np.random.randint(2, size=10)
array([1, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0])
>>> np.random.randint(1, size=10)
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

0から4までのintを含む2×4の配列を生成します。

>>> np.random.randint(5, size=(2, 4))
array([[4, 0, 2, 1],
       [3, 2, 2, 0]])

<スパン <スパン ランダム整数 (低[, 高], サイズ)

閉区間[low, high]に含まれる乱数値を返します。

備考

aとbの間にある等間隔なN個の浮動小数点数からサンプリングするには、次のようにします。

a + (b - a) * (np.random.random_integers(N) - 1) / (N - 1.)

例

>>> np.random.random_integers(5)
4
>>> type(np.random.random_integers(5))
<type 'int'>
>>> np.random.random_integers(5, size=(3.,2.))
array([[5, 4],
       [3, 3],
       [4, 5]])

0から2.5までの等間隔に並んだ5つの数字の集合から、5つの乱数を選んでください( すなわち という集合から ):

>>> 2.5 * (np.random.random_integers(5, size=(5,)) - 1) / 4.
array([ 0.625, 1.25 , 0.625, 0.625, 2.5 ])

6面サイコロ2個を1000回振って、その結果を合計する。

>>> d1 = np.random.random_integers(1, 6, 1000)
>>> d2 = np.random.random_integers(1, 6, 1000)
>>> dsums = d1 + d2

結果をヒストグラムで表示します。

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(dsums, 11, normed=True)
>>> plt.show()

<スパン <スパン <スパンランダムサンプル ([サイズ])

Random Floating Point Number in half-open interval [0.0, 1.0]（半開放区間内の浮動小数点数）を返します。

サンプルにの出力を乗算します。 ランダムサンプル によって (b-a) を追加し a :

(b - a) * random_sample() + a

例

>>> np.random.random_sample()
0.47108547995356098
>>> type(np.random.random_sample())
<type 'float'>
>>> np.random.random_sample((5,))
array([ 0.30220482, 0.86820401, 0.1654503 , 0.11659149, 0.54323428])

5, 0)からの乱数の3×2配列。

>>> 5 * np.random.random_sample((3, 2)) - 5
array([[-3.99149989, -0.52338984],
       [-2.99091858, -0.79479508],
       [-1.23204345, -1.75224494]])

<スパン <スパン <スパンランダム ([サイズ])

Random Floating Point Number in half-open interval [0.0, 1.0]（半開放区間内の浮動小数点数）を返します。

<スパン (公式サイトの例はrandom_sampleと全く同じです)

<スパン <スパン <スパンランフ ([サイズ])

Random Floating Point Number in half-open interval [0.0, 1.0]（半開放区間内の浮動小数点数）を返します。

<スパン <スパン <スパン (公式サイトの例はrandom_sampleと全く同じです)

<スパン <スパン <スパンサンプル ([サイズ])

Random Floating Point Number in half-open interval [0.0, 1.0]（半開放区間内の浮動小数点数）を返します。

<スパン <スパン <スパン (公式サイトの例はrandom_sampleと全く同じです)

<スパン <スパン選択 (a[,サイズ,置換,p])

与えられた一次元配列から無作為なサンプルを生成します。

例

大きさ3のnp.range(5)から一様な無作為標本を生成します。

>>> np.random.choice(5, 3)
array([0, 3, 4])
>>> #This is equivalent to np.random.randint(0,5,3)

サイズ3のnp.range(5)から非一様なランダムサンプルを生成します。

>>> np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
array([3, 3, 0])

サイズ3のnp.range(5)から、置換なしで一様な無作為標本を生成します。

>>> np.random.choice(5, 3, replace=False)
array([3,1,0])
>>> #This is equivalent to np.random.permutation(np.range(5))[:3]

サイズ3のnp.range(5)から、置換なしで非一様な無作為標本を生成します。

>>> np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
array([2, 3, 0])

上記のいずれかを、整数だけでなく、任意の配列のようなもので繰り返すことができます。

>>> aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'christopher']
>>> np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3])
array(['pooh', 'pooh', 'pooh', 'Christopher ', 'piglet'],
      dtype='|S11')

<スパン <スパン <スパンバイト (長さ)

ランダムなバイトを返します。

>>> np.random.bytes(10)
' eh\x85\x022SZ\xbf\xa4' #random

アレンジ

<テーブル <カラー

<スパン <スパン <スパンシャッフル (x)

フィールドはシーケンスを変更し、それ自身のコンテンツを変更する。(シャッフルに似ていて、シーケンスを乱す)

>>> arr = np.range(10)
>>> np.random.shuffle(arr)
>>> arr
[1 7 5 2 9 4 3 6 0 8]

この関数は、多次元配列の最初のインデックスに沿った配列のシャッフルのみを行います。

>>> arr = np.range(9).reshape((3, 3))
>>> np.random.shuffle(arr)
>>> arr
array([[3, 4, 5],
       [6, 7, 8],
       [0, 1, 2]])

<スパン <スパン <スパン順列 (x)

のランダムな配置を返します。

>>> np.random.permutation(10)
array([1, 7, 4, 3, 0, 9, 2, 5, 8, 6])

>>> np.random.permutation([1, 4, 9, 12, 15])
array([15, 1, 9, 4, 12])

>>> arr = np.range(9).reshape((3, 3))
>>> np.random.permutation(arr)
array([[6, 7, 8],
       [0, 1, 2],
       [3, 4, 5]])

>>> mean = [0,0]
>>> cov = [[1,0],[0,100]] # diagonal covariance, points lie on x or y-axis

>>> import matplotlib.pyplot as plt
>>> x, y = np.random.multivariate_normal(mean, cov, 5000).T
>>> plt.plot(x, y, 'x'); plt.axis('equal'); plt.show()

>>> mu, sigma = 0, 0.1 # mean and standard deviation
>>> s = np.random.normal(mu, sigma, 1000)

<スパン配信内容

<テーブル <カラー

<スパン <スパン <スパンベータ (a, b[,サイズ])

のベータ分布サンプル <スパン [0, <スパン 1] 内側です。

<スパン <スパン 二項式 (n, p[, size])

二項分布のサンプルです。

<スパン <スパン <スパンシスクエア (df[,サイズ])

カーディナリティ分布のサンプルです。

<スパン <スパン <スパンディリクレ (アルファ[, サイズ])

Dirichlet分布のサンプルです。

<スパン <スパン <スパン指数関数的 ([スケール、サイズ])

指数分布

<スパン <スパン <スパン f (dfnum、dfden[, サイズ])

サンプルのF分布。

<スパン <スパン <スパンガンマ (シェイプ[, スケール, サイズ])

<スパンガンマ分布

<スパン <スパン <スパン幾何学的 (p[,サイズ])

<スパン幾何学的分布

<スパン <スパン <スパンガムベル ([loc, scale, size])

ガンベル分布。

<スパン <スパン <スパンハイパージオメトリック (ngood, nbad, nsample[, size])

超幾何分布のサンプル。

<スパン <スパン <スパンラプラス ([loc, scale, size])

サンプルラプラシアン分布または二重指数分布

<スパン <スパン <スパンロジスティック ([loc, scale, size])

ロジスティック分布サンプル

<スパン <スパン <スパンログノーマル ([平均値, σ, サイズ])

<スパン対数正規分布

<スパン <スパン <スパンログシリーズ (p[,サイズ])

対数系列分布。

<スパン <スパン <スパン多項式 (n、pvals[, size])

<スパン多項目分布

<スパン <スパン <スパンマルチバリアートノーマル (平均値, cov[, サイズ])

多変量正規分布。

>>> abs(mu - np.mean(s)) < 0.01
True
>>> abs(sigma - np.std(s, ddof=1)) < 0.01
True

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 30, normed=True)
>>> plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
...                np.exp( - (bins - mu)***2 / (2 * sigma**2) ),
...          linewidth=2, color='r')
>>> plt.show()

<スパン <スパン <スパン負の二項式 (n, p[, size])

負の二項分布

<スパン <スパン <スパン非中央集権的な二乗 (df、nonc[, size])

非心円カイ二乗分布

<スパン <スパン <スパン noncentral_f (dfnum、dfden、nonc[, size])

<スパン非中心 F分布

<スパン <スパン <スパン通常 ([loc, scale, size])

<スパン正規(ガウス)分布

備考

ガウス分布の確率密度は次のとおりです。

ここでは平均値で標準偏差の二乗。は、分散と呼ばれます。

この関数は平均値でピークを持ち、標準偏差が大きくなるほど広がりが大きくなります（関数が最大値の0.607倍となるのはと [R217] ).

例

分布からサンプルを抽出します。

>>> mu, sigma = 0, 0.1 # mean and standard deviation
>>> s = np.random.normal(mu, sigma, 1000)

平均と分散を確認する。

>>> abs(mu - np.mean(s)) < 0.01
True
>>> abs(sigma - np.std(s, ddof=1)) < 0.01
True

サンプルのヒストグラムを、確率密度関数とともに表示します。

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 30, normed=True)
>>> plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
...                np.exp( - (bins - mu)***2 / (2 * sigma**2) ),
...          linewidth=2, color='r')
>>> plt.show()

<スパン <スパン <スパンパレート (a[,サイズ])

<スパンパレート分布

<スパン <スパン <スパンポワソン ([lam, size])

ポアソン分布

<スパン <スパン <スパンパワー (a[,サイズ])

正の指数 a - 1 を持つべき乗分布から [0, 1] の標本を描画します。

<スパン <スパン <スパンレイレイ ([スケール、サイズ])

レイリー分布図

<スパン <スパン 標準コーシー ([サイズ])

標準的なCorsiの分布

<スパン <スパン <スパン標準エクスポネンシャル ([サイズ])

標準的な指数分布